-
公开(公告)号：CN110789273A
公开(公告)日：2020-02-14
申请号：CN201911106431.5
申请日：2019-11-13
Applicant: 武汉大学
Abstract: 本发明提出一种用于医用器械车的防卡发车轮及方法，包括车轮、车轴、支架和阻发断发装置，车轴两端头通过轴承与支架相铰接，车轮套设于车轴中心位置，阻发断发装置由左、右阻发挡板、断发刀具及踏板组成，断发刀具与车轴套接，断发刀具设于左、右阻发挡板之间，左、右阻发挡板分别与车轮端面及支架端面相抵接，踏板与车轴外侧端头相连。本发明结构简单，使用方便，杜绝发丝缠绕在轮轴上。
-
公开(公告)号：CN107392879B
公开(公告)日：2019-10-25
申请号：CN201710597190.3
申请日：2017-07-20
Applicant: 武汉大学
Abstract: 本发明提供一种基于参考帧的低照度监控图像增强方法，包括从监控视频中获取参考帧和待增强的低照度图像，并提取低照度图像的近邻帧；计算背景图像的照度分量，计算待增强图像的照度分量，提取低照度图像和多帧近邻帧分别的反射分量，然后融合得到待增强的低照度图像去噪之后的增强结果。因此，本发明可使得待增强图像的照度分量估计更加准确，增强结果的色彩保真度更高，噪声干扰问题更小；进而提高了低照度监控图像的清晰度和辨识度，为监控图像发挥其刑侦价值提供了有力支撑作用。
-
公开(公告)号：CN110309701A
公开(公告)日：2019-10-08
申请号：CN201910310257.X
申请日：2019-04-17
Applicant: 武汉大学
Abstract: 本发明公开了一种基于跨视角同一区域的行人重识别方法，该方法包括以下步骤：1)使用监控设备采集待识别的图片数据集；2)通过姿态估计确定人体关键点及部件区域；3)确定人物目标信息，所述目标信息包括全局特征信息、部件特征信息和跨视角同一区域特征信息；4)在待识别的图片数据集中，提取基于卷积神经网络的全局与行人部件特征；5)计算基于人体关键点的跨视角同一区域的相互距离度量；6)获得基于全局与局部的距离度量并获取行人重识别的排序结果。本发明通过人体关键点与跨视角同一区域的几何关系，构建融合全局特征，部件区域特征及跨视角同一区域特征相结合的行人重识别方法，能有效提高识别准确率。
-
公开(公告)号：CN110275186A
公开(公告)日：2019-09-24
申请号：CN201910625014.5
申请日：2019-07-11
Applicant: 武汉大学
IPC: G01S19/07
Abstract: 本发明属于GNSS数据处理与电离层建模技术领域，公开了一种LEO卫星增强的GNSS电离层归一化与融合建模方法，基于GNSS卫星和LEO卫星的原始观测数据提取获得包含伪距/相位硬件延迟偏差的电离层总电子含量观测值；确定各项硬件延迟偏差参数，获取“干净”的电离层TEC观测值；对LEO卫星的TEC观测值进行归一化，将只能探测部分路径的LEO卫星TEC观测值转换到全路径；实现与LEO卫星TEC观测值系统间偏差的电离层未知参数估计，以构建高精度、高分辨率电离层模型。本发明解决了GNSS/LEO多源电离层TEC信息归一化及时变系统性偏差估计的问题，实现高精度、高分辨全球电离层模型的构建。
-
公开(公告)号：CN107315795B
公开(公告)日：2019-08-02
申请号：CN201710454025.2
申请日：2017-06-15
Applicant: 武汉大学
IPC: G06F16/783 , G06K9/00
Abstract: 本发明涉及联合特定人物和场景的视频实例检索方法及系统，包括进行视频中特定人物的实例检索，进行基于局部与全局组合优化的特定场景检索，实现基于高分保留的视频实例检索，实现基于近邻扩展的视频实例检索，融合特定人物检索和特定场景检索结果，包括对于每个镜头，融合初始的场景检索结果与近邻扩展后的人物检索结果，再融合初始的人物检索结果和近邻扩展后的场景检索结果，取两种融合结果的最大值，得到视频实例检索的镜头排序结果。本发明提供的视频实例检索排序结果更加可靠，拓展性和适用性很强。
-
Patent Agency Ranking
公开(公告)号：CN105701515B
公开(公告)日：2019-01-04
申请号：CN201610033503.8
申请日：2016-01-18
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于双层流形约束的人脸超分辨率处理方法及系统，通过构建训练库；将待处理低分辨率人脸图像和训练库中图像划分为具交叠部分的图像块；对待处理低分辨率人脸图像各图像块，在对应位置的低分辨率训练块集合中查找其一层近邻；查找待处理图像块的二层近邻；计算待处理图像块的一层近邻和二层近邻之间，在低分辨率库中的权重系数；计算待处理图像块和一层近邻之间，在低分辨率库中的权重系数；计算出待处理图像块和二层近邻之间的权重系数；将权重投影到高分辨率空间上，获得低分辨率待处理图像的高分辨率图像块；最终拼接高分辨率人脸图像块。本发明可显著提高恢复图像的视觉感受，特别适用于低质量监控环境下人脸图像的恢复。
-
公开(公告)号：CN108197584A
公开(公告)日：2018-06-22
申请号：CN201810031436.5
申请日：2018-01-12
Applicant: 武汉大学
Abstract: 本发明提供一种基于三元组深度神经网络的行人重识别方法，其特征在于：采用以下方式提取行人特征，以实现行人重识别，包括在训练集上随机选取一张图片，通过原始图片产生三种不同尺度的图片，包括原始图片fullScale、半尺度原始图片halfScale和上半身尺度图片topscale；然后对每一个尺度的图片找出与它同一类及不同类的样本，以构成三元组；再把不同尺度下的三元组样本分别输入到三种结构不同的深度卷积神经网络中，最后把三种卷积神经网络的输出特征串联在一起，通过归一化输出最终结果。本发明可以有效地提取行人特征并最终提高行人重识别的结果准确度。
-
公开(公告)号：CN105005797B
公开(公告)日：2018-06-12
申请号：CN201510486310.3
申请日：2015-08-10
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于阴阳双目标样本的太极相对距离度量方法，本发明为每个阳样本（原始样本）建立虚拟阴样本，通过平衡与阴阳样本间的距离，也即采用相对距离来学出距离函数变换矩阵。该发明首先提出三种方法为样本建立对应的阴样本，最后分别从阳样本中估计出类内、类间阳样本对的协方差矩阵，从阴样本对估计出类内、类间样本对的协方差，再分别计算阳样本类内、类间协方差矩阵的逆矩阵的差和阴样本类内、类间协方差矩阵的逆矩阵的差，得到互补而又互斥的两种马氏距离变换矩阵。在几大数据集上测试的结果证明该度量学习方法不仅继承了KISS算法训练速度快的优点，而且在应用上也能取得更好的效果。
-
公开(公告)号：CN108133192A
公开(公告)日：2018-06-08
申请号：CN201711430149.3
申请日：2017-12-26
Applicant: 武汉大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于高斯-拉普拉斯分布统计的行人重识别，首先通过使用手工或深度学习模型从训练样本中提取特征，将样本对的特征相减，产生正样本对差异和负样本对差异，从而得到正样本对差异和负样本对差异的分布参数，然后对正样本对差异采用拉普拉斯分布、负样本对差异采用高斯分布拟合，进而得到距离度量函数，最后将查询图片和库图片带入距离度量函数中计算距离，按照距离的大小进行排序，得到最后的识别结果。本发明提供的距离度量函数更加准确可靠，拓展性和适用性更强。
-
公开(公告)号：CN104200206B
公开(公告)日：2017-04-26
申请号：CN201410454857.0
申请日：2014-09-09
Applicant: 武汉大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于双角度排序优化的行人重识别方法，属于监控视频检索技术领域。本发明首先通过基于全局特征和局部特征的方法得到初始的排序结果；然后通过取两者排序结果的前k个结果的交集作为初始查询更可靠的最近邻；再然后对里的每一个目标作为新的查询进行交叉的反向查询，通过加权融合反向查询的排序列表得到整个优化的排序列表；最后再对里的每个去构建一个双层图，计算图的近邻相似性去对进行进一步的重排，进而得到更好的重识别效果。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.098 seconds)
